摘要
本发明涉及电流互感器故障预测的技术领域,特别是涉及一种铁芯式结构的电流互感器的预测性维护方法,包括以下步骤、特征选择和故障分类;其采用具有强大视频分析能力并且适合处理电流互感器的非平稳信号的小波变换方法,并通过斯皮尔曼等级相关系数和互信息联合的方法,确保提取的特征既具有非线性相关性,又能够最大化信息量,从而提高模型的泛化能力,并且通过设计随机森林构建分类预测模型,不仅能够处理高维数据且对噪声不敏感,还可以通过其内置的特征重要性评估机制,进一步优化模型的性能,使得本方法能够对电流互感器的单相短路故障以及双相短路故障进行准确预测并且具有较强的鲁棒性。
技术关键词
斯皮尔曼等级相关系数
特征选择
铁芯
电流互感器故障
电流互感器信号
小波变换技术
分类预测模型
数据
离散小波变换
随机森林模型
机器学习模型
视频分析
频率
非线性
标签
超参数
系统为您推荐了相关专利信息
汽车卡钳
纹理特征
编码器
特征选择
图像数据压缩
聚合物复合材料
摩擦学性能预测
评估训练模型
参数
学习器
集成分类器
源性
特征参数提取
集成策略
法向量夹角
机器学习算法
数据
多项式
分析方法
特征选择技术